审计学生与AI协作：在线计算机科学研究生案例研究
人机交互
2026-03-16 v4 人工智能
摘要
随着生成式 AI 嵌入高等教育，它日益塑造着学生完成学术任务的方式。尽管这些系统提供了效率和支持，但对过度自动化、学生自主性减弱以及不可靠或幻觉输出的担忧依然存在。本研究通过考察当前 AI 能力与学生期望的学术任务自动化水平之间的一致性，对学生与 AI 协作偏好进行了混合方法审计。利用两项连续且互补的问卷调查，我们捕捉了学生在使用 AI 时感知的收益、风险和偏好边界。第一项调查采用现有的基于任务的框架，评估了 12 项学术任务中对 AI 的偏好和实际使用情况，以及主要担忧和使用原因。第二项调查基于第一项调查的结果，通过开放式问题探讨了如何设计 AI 系统以解决这些担忧。本研究旨在识别现有 AI 供能与学生对协作的规范期望之间的差距，为开发更有效、更可信的教育 AI 系统提供信息。
引用
@article{arxiv.2601.08697,
title = {Auditing Student-AI Collaboration: A Case Study of Online Graduate CS Students},
author = {Nifu Dan},
journal= {arXiv preprint arXiv:2601.08697},
year = {2026}
}